5

我正在做多类分类，类别不平衡。

我注意到 f1 总是小于准确率和召回率的直接调和平均值，在某些情况下，f1 甚至小于准确率和召回率。

仅供参考，我要求metrics.precision_score(y,pred)精确等等。

我知道微观/宏观平均值的差异，并通过使用来自precision_recall_fscore_support().

不确定这是由于使用了宏观平均还是其他原因？

更新详细结果如下：

n_samples：75，n_features：250

MultinomialNB(alpha=0.01, fit_prior=True)

2倍简历：

第一次运行：

F1:        0.706029106029
Precision: 0.731531531532
Recall:    0.702702702703

         precision    recall  f1-score   support

      0       0.44      0.67      0.53         6
      1       0.80      0.50      0.62         8
      2       0.78      0.78      0.78        23

avg / total       0.73      0.70      0.71        37

第二次运行：

F1:        0.787944219523
Precision: 0.841165413534
Recall:    0.815789473684

         precision    recall  f1-score   support

      0       1.00      0.29      0.44         7
      1       0.75      0.86      0.80         7
      2       0.82      0.96      0.88        24

avg / total       0.84      0.82      0.79        38

总体：

Overall f1-score:   0.74699 (+/- 0.02)
Overall precision:  0.78635 (+/- 0.03)
Overall recall:     0.75925 (+/- 0.03)

来自Scholarpedia的关于微观/宏观平均的定义：

在多标签分类中，计算跨类别总分的最简单方法是对所有二元任务的分数进行平均。结果分数称为宏观平均召回率、精度、F1 等。另一种平均方法是首先对所有类别的 TP、FP、TN、FN 和 N 求和，然后计算上述每个指标。结果分数称为微平均。宏观平均对每个类别赋予相同的权重，并且通常由系统在稀有类别（大多数）上的表现主导，呈幂律分布。微平均为每个文档赋予相同的权重，并且通常由系统在最常见类别上的性能支配。

这是 Github 中的一个当前开放问题，#83。

以下示例演示了微观、宏观和加权（Scikit-learn 中的当前）平均可能有何不同：

y    = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]
pred = [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 2, 0, 1, 2, 2, 2, 2]

混淆矩阵：

[[9 3 0]
 [3 5 1]
 [1 1 4]]

Wei Pre: 0.670655270655
Wei Rec: 0.666666666667
Wei F1 : 0.666801346801
Wei F5 : 0.668625356125

Mic Pre: 0.666666666667
Mic Rec: 0.666666666667
Mic F1 : 0.666666666667
Mic F5 : 0.666666666667

Mac Pre: 0.682621082621
Mac Rec: 0.657407407407
Mac F1 : 0.669777037588
Mac F5 : 0.677424801371

上面的F5是F0.5的简写...

4

1 回答 1

2

您能否使用以下输出更新您的问题：

>>> from sklearn.metrics import classification_report
>>> print classification_report(y_true, y_predicted)

这将显示每个单独类别的精度和召回率以及支持，从而帮助我们理解平均的工作原理并确定这是否是适当的行为。

于 2011-11-27T12:35:16.020 回答